Polskie algorytmy dla ALICE

fot. pixabay

Inżynierowie z Politechniki Warszawskiej pracują nad algorytmami przetwarzania i sortowania danych dla ALICE, jednego z urządzeń pracujących w CERN.

Wielki Zderzacz Hadronów LHC w każdym momencie swojego działania wytwarza ogromne ilości informacji. System ALICE, który skupiony jest na obserwacji cząstek dziwnych w ciągu sekundy generuje 3 terabajty danych pomiarowych. Wyłuskanie spośród nich tych istotnych jest więc niełatwym zadaniem.

Profesor Tomasz Trzciński, który kieruje pracami dotyczącymi uczenia maszynowego na PW podkreśla, że dzięki pracy jego zespołu naukowcy z CERN będą mogli skupić się wyłącznie na interesujących przypadkach, które nie będą dawały się ująć w ramy obecnych modeli teoretycznych. Aby opracować nowe metody uczenia maszynowego, z których korzystać może ALICE badacze z PW sięgają, m.in. po sztuczne sieci neuronowe, maszyny wektorów nośnych oraz lasy losowe. Dzięki temu urządzenie jest w stanie przenalizować 75% zdarzeń z precyzją wyników na poziomie ponad 95%.

Dr inż. Łukasz Graczykowski poprowadził z kolei swój zespół do opracowania nowej metody symulacji zderzeń, która wykorzystywana jest do analiz fizycznych, kontroli jakości danych oraz kalibracji detektorów. Profesor Przemysław Rokita, który jest natomiast wieloletnim członkiem projektu ALICE przewodniczył w tworzeniu nowego sposobu wizualizacji danych opartego na wirtualnej rzeczywistości. Nad rozwojem nowych rozwiązań dla CERN czuwają ponadto doktoranci Kamil Deja oraz Jan Dubiński, którzy zaproponowali jednostce badawczej dedykowane modele generatywne wspierane przez sztuczne sieci neuronowe.

(rr)